卫星图像全球时空建筑密度与高度估计
计算机视觉与模式识别
2025-11-18 v1 机器学习
摘要
我们提出TEMPO，一个基于深度学习模型从高分辨率卫星影像推算全球时空解析的建筑密度和高度数据集。我们将既有的建筑遮盖数据和高度数据与每季度的PlanetScope卫星影像配对，以训练一种多任务深度学习模型，对建筑密度和建筑高度进行37.6米每像素的分辨率预测。我们将该模型应用到2018年第一季度至2025年第二季度的全球PlanetScope卫星影像上，创建全球时空建筑密度和高度图。我们通过与既有建筑遮盖数据集进行比较来验证这些图。我们的估计在不同手工标注子集上的F1分数介于85%至88%之间，呈现良好的时序稳定性，五年趋势一致性得分为0.96。TEMPO以相当于可比方法计算成本的少量成本捕获建设定居点的时间变化，为全球韧性和适应性工作开辟了大规模监测开发模式和气候影响的可能性。
引用
@article{arxiv.2511.12104,
title = {TEMPO: Global Temporal Building Density and Height Estimation from Satellite Imagery},
author = {Tammy Glazer and Gilles Q. Hacheme and Akram Zaytar and Luana Marotti and Amy Michaels and Girmaw Abebe Tadesse and Kevin White and Rahul Dodhia and Andrew Zolli and Inbal Becker-Reshef and Juan M. Lavista Ferres and Caleb Robinson},
journal= {arXiv preprint arXiv:2511.12104},
year = {2025}
}